直写光刻机的“智能眼镜”：主动聚焦模块究竟有多重要？

在PCB和半导体等制造领域，直写光刻机（Direct Writing Lithography）作为一类高度精密的加工设备，凭借其无需掩模板、灵活适应复杂图形设计的能力，在微纳制造、MEMS器件开发、集成电路以及高精度光学元件制备中发挥着不可替代的作用。

然而，一台高性能的直写光刻机，并不仅仅依赖光源与扫描平台机构的精度。真正决定其曝光质量与工艺稳定性的关键之一，正是隐藏在其光学系统背后的“智能眼镜”——主动聚焦模块（Auto-Focus Module）。这一模块虽然体积小巧，却承担着确保纳米级曝光精度的核心任务。

本文将从原理出发，深入解析主动聚焦模块的技术构成、测距方式及其对整体系统性能的影响，揭示它为何成为现代直写光刻不可或缺的一部分。

在直写光刻过程中，激光或电子束通过扫描方式逐点绘制图案，直接在基底表面完成曝光。由于缺乏传统掩模版的辅助成像机制，系统的成像质量取决于曝光处基底表面能否精准维持在焦深范围内。因此，焦点位置的控制精度直接影响到最终图形的清晰度、边缘锐利度以及线宽均匀性。

主动聚焦模块的应用就是为了保障这一点，该模块的主要功能包括实时测量镜头与基底之间的距离、动态调整物镜或平台高度以维持最佳聚焦状态，并有效抑制因振动、热漂移或材料形变引起的离焦误差。这种持续的反馈与调节过程，使得系统能够在高速扫描过程中，曝光镜头始终保持在最佳曝光焦面，进而保持高分辨率的曝光能力。

如下图所示，当焦面的位置不清晰的时候，开启主动聚焦，这时候靶标在图像中立刻调整清晰可见，而且在移动的过程中也能保持高清像质不离焦，这就是主动聚焦模块起到的关键作用。

主动聚焦模块通常由两个核心部分组成：测距系统与执行系统。它们之间的高效协同，是实现高精度聚焦控制的基础。

测距系统负责非接触式地获取镜头与基底之间的实时距离信息。目前常见的测距技术包括光学三角法、光谱共聚焦测距、电容式传感、激光干涉以及超声波测距等。这些方法各有优劣，需结合具体应用场景进行选择。例如，对于要求快速响应的系统，可能优先采用光学三角法；而对于需要极高分辨率的场合，则可能选用激光干涉测距。

执行系统则根据测距反馈信号，驱动镜头或载物台运动，以移动至理想聚焦位置。常用的执行装置包括音圈电机、压电陶瓷驱动器以及步进电机配合导轨系统。这些执行器具有高响应速度与精确定位能力，能够满足高频动态聚焦调节的需求。

整个模块的工作流程类似于一个闭环控制系统，如下图所示：测距传感器不断采集数据，控制器分析偏差后发出指令，执行机构迅速作出反应，并且也能反馈当前的移动信息，从而形成一个高效的反馈调节机制。

在实际曝光过程中，主动聚焦模块常采用两种主要的测距架构：同轴测距（On-Axis AF）与旁轴测距（Off-Axis AF）。它们在结构设计、响应特性及适用场景上存在明显差异。

同轴测距是指测距光路与曝光光路共享同一物镜。典型的代表是激光测距系统，其工作原理是通过分光镜将测距光引入物镜，再根据反射信号强度变化判断焦面位置。这种方式结构紧凑、集成度高，适合低延迟、低成本的系统应用。

相比之下，旁轴测距则采用独立于曝光光路的测距头，通常安装在镜头旁边。这种架构允许提前采集基底表面的数据，并结合运动轨迹进行预测性控制。虽然系统复杂度较高，但它更适合高速动态加工、曲面曝光以及多层结构的聚焦控制。

两者的选择需视具体的工艺需求而定。例如，在常规平面直写光刻中，同轴测距凭借其结构紧凑、响应迅速的优势被广泛采用；而在中道制造等涉及复杂形貌、对动态聚焦性能要求严苛的场景中，旁轴测距则展现出更卓越的适应性和工艺稳定性。

在中道领域，前道制作的芯片的引脚需要通过再布线（RDL）到PCB等载板上，这种再布线的方式在中道领域尤为关键，有“Fan-In”、“Fan-Out”等晶圆级封装（WLP）。在这种应用中，直写光刻机可以通过曝光再布线的线路图来实现芯片中道的封装。

对于再布线的线路曝光过程中，直写光刻机在多层RDL曝光工艺中面临着一项关键技术挑战：随着 RDL 层数增加，下层已完成制备的 RDL 结构会形成非平整的表面高度起伏。对于曝光流程来说，曝光图形需要稳定在表面的光刻胶层，而不是图示的各种凹坑或者凸起的地方。然而这个对于同轴测距简直是个“灾难”，因为同轴测距没有办法处理这种测距数据，曝光焦面只能跟着表面上下运动，导致曝光不佳，而对于旁轴测距，就可以应付这种情况，通过提前测量表面的形貌，通过算法，判断那些异常的测距点并滤除这些数据，最终得到实际的所需的测距值，最终能够稳定的将曝光图形曝光到样品上。

尽管主动聚焦模块在整台直写光刻机中只是一个子系统，但它的存在与否，往往决定了设备能否胜任高精度、高稳定性的微纳制造任务。随着中道、硅通孔（TSV）、3D堆叠等新型制造工艺的发展，对主动聚焦能力的要求不断提升。

未来的主动聚焦技术也将朝着智能化、多传感器融合、AI辅助预测控制的方向演进。通过引入机器学习算法，系统可以更准确地预测基底表面的变化趋势，从而实现更前瞻性的聚焦调节。此外，结合多源传感器数据融合，还能提升整体系统的鲁棒性与适应性。

可以说，这双“智能眼镜”，正在悄然推动微电子制造向更高精度、更高效率迈进，成为支撑下一代先进制造的关键技术之一。